基于强化学习的高超声速打击武器末段自适应制导

利用强化元学习对适用于高超声速打击武器末段弹道的一种自适应制导系统进行优化。该制导系统将观测值直接映射为指令滚转角、攻角与侧滑角速率。重要的是,这些观测值可由雷达导引头输出经最少处理直接测得。该优化框架采用一种整形奖励以最小化视线旋转速率,并在智能体满足路径约束且达到末段精度与速度判据时给予末段奖励。我们表明,该制导系统能够适应非标称飞行条件,包括气动系数参数扰动、执行机构故障场景、传感器标度因数误差以及执行机构滞后,同时满足热流率、动压与载荷路径约束,以及最小撞击速度约束。我们展示了针对机动地面目标的精确打击能力以及转向新目标的能力,后者对于最大化高超声速打击武器群的打击效能十分重要。此外,我们展示了针对中段修正能力有限拦截器的威胁规避策略,其中高超声速打击武器实施多次转向至备用目标,最后一次转向至实际目标。最后,我们给出了六自由度环境下制导与控制一体化系统的初步结果。